En este artículo se analiza los tweets en los que se mencionaron a un grupo de empresas de los rubros de Banca, Cine y Arte, Consultoría, Consumo Masivo, Medios de comunicación, y Telecomunicaciones, que fueron frecuentemente mencionadas en tweets en este tiempo. Para este análisis, se utilizó modelos de minería de texto y modelos predictivos de clasificación.
Al realizar un análisis de clasificación de positivos y negativos, se obtuvo que la gran mayoría fueron comentarios negativos (84%), muchos de ellos asociados a reclamos para los distintos rubros de Telecomunicaciones, Banca, Consultoría, Cine y Arte, etc.
Se puede observar que los temas relacionados al servicio y temas laborales fueron creciendo hacia fines de marzo, pero que en su mayoría crecieron los vinculados a los servicios.
CREATE RELEVANT CONTENT
Desde inicios de marzo que se impulsaron una serie de medidas de prevención del COVID-19 en el Perú, se encontró que ellas también afectaron el comportamiento de ciudadanos y empresas. Además del confinamiento, se tomaron una serie de medidas que afectaron aspectos laborales y del servicio de varias empresas. Twitter recogió parte del debate y sentir de los ciudadanos sobre estos cambios.
Como se sabe, el confinamiento llevó a que muchos trabajadores no pudieran asistir a sus sedes de trabajo, y el funcionamiento de las empresas se desestabilizara en toda su cadena de servicio (desde la producción, almacenamiento, entrega, servicio al cliente, entre otras). Por otro lado, tenemos que Twitter fue (y sigue siendo) una plataforma donde una serie ciudadanos realiza sus quejas y reclamos a diversas empresas, permitiendo encontrar patrones, tipos de quejas, servicios más demandados, entre otros.
Así, en este sondeo exploratorio se utilizó datos de Twitter extraídos durante todo el mes de marzo, mes en el que se confirmó el primer caso de Coronavirus en Perú (6 de marzo del 2020) y se aplicaron diversas tareas de procesamiento de lenguaje natural, como la tokenización, reconocimiento de entidades, análisis de sentimientos, modelos de regresión logística y un modelo de redes neuronales recurrentes. Como se sabe,
En este artículo se analiza los tweets en los que se mencionaron a un grupo de empresas de los rubros de Banca, Cine y Arte, Consultoría, Consumo Masivo, Medios de comunicación, y Telecomunicaciones, que fueron frecuentemente mencionadas en tweets en este tiempo. Para este análisis, se utilizó modelos de minería de texto y modelos predictivos de clasificación.
Haciendo la búsqueda de las empresas seleccionadas en dichos rubros se observó 6,377 tweets con la siguiente evolución. El 16 de marzo se observa el primer pico – el cual coincide con el inicio de la cuarentena – , seguido luego de dos importantes picos el 24 y 26 de marzo.
Gráfico 1. Evolución de tweets empresas seleccionadas – Marzo 2020
Luego, también se puede visualizar la evolución de dichos tweets según rubro de las empresas analizadas relacionados a Banca, Consultoría, Consumo Masivo, etc. (Ver Gráfico 2). Veremos que, por ejemplo, el 16 de marzo hubo un masivo nº de tweets relacionados al rubro de Cine_Arte. Mientras que, el 24 de marzo, resaltaron los tweets de consumo masivo, medios de comunicación y Consultoría.
Gráfico 2. Evolución de tweets según rubros – Marzo 2020
¿De qué trataron dichos tweets?
Desde el inicio de la cuarentena, se observa un incremento de opiniones que taggearon o utilizaron los hashtag de diversas empresas, y en los que se registra una diversidad de comentarios positivos y negativos. Así, para el pico del 16 de marzo, se registraron comentarios negativos, como:
“vergüenza total con ese cine!!! se aprovecha de sus trabajadores!!! Por eso están llenos de demandas”
Pero también comentarios positivos como:
“Que bueno que te apoyen en esta situación! Porque cuando hay pagos en retraso de una agencia dicen una cosa y en otra diferente igual en los call”
Al realizar un análisis de clasificación de positivos y negativos, se obtuvo que la gran mayoría fueron comentarios negativos (84%), muchos de ellos asociados a reclamos para los distintos rubros de Telecomunicaciones, Banca, Consultoría, Cine y Arte, etc. Gráfico
3. Proporción de tweets positivos y negativos según rubro
Para entrar a más detalle se analizaron las palabras más frecuentes por cada rubro, y se pudo agrupar los tweets en dos grandes temáticas: tweets relacionados a los aspectos laborales (como son los vinculados a los trabajadores de las empresas) y a los aspectos del servicio (como son los del nivel de calidad o modificaciones en los servicios brindado por las empresas)
Aspectos Laborales de los trabajadores de las empresas
Respecto del aspecto laboral, se clasificaron los tweets según si estaban relacionados a temas como “vacaciones”, “obligan y/o trabajando y/o laborando”, y “despido”. Al respecto, se pudo obtener que prevalecieron temas de continuar laborando (“obligan”).
Gráfico 4. Proporción de tweets según aspectos laborales
- Obligan y/o Trabajando y/o Laborando: “… se pasaron según la denuncia de los trabajadores siguieron trabajando hasta miércoles de semana pasada en plena cuarentena, Produciendo todos sus productos…”
- Despido: El despido arbitrario existe y es legal obviamente el empleador asumirá las consecuencias de esto, pero igual estarás despedido
- Vacaciones: “Señores de la sunafil @SunafilPeru @DeltaMdelta @MTPE_Peru consulta la empresa donde trabajo estos 15 dias los quiere pagar a cuenta de vacaciones sin yo haber firmado ningún documento ..es legal? Estos 15 días son goce de haber no deberían afectar mis vacaciones”
Aspectos de los servicios brindados por las empresas
Por otro lado, también se pudo observar patrones de comentarios asociados al aspecto del servicio. Se pudo agrupar patrones como son:
- Banca: mencionaron temas de crédito, cuotas, deuda
- Consultoria: temas de encuestas
- Consumo masivo: cerveza
- Telecomunicaciones: cable, internet, cuotas, línea
Gráfico 5. Proporción de tweets según aspectos de los servicios
Evolución conjunta
Se puede observar que los temas relacionados al servicio y temas laborales fueron creciendo hacia fines de marzo, pero que en su mayoría crecieron los vinculados a los servicios.
